物體識(shí)別

嘗試用創(chuàng)建三維模型方法去做物體識(shí)別。通常，事先定義一些基本的幾何形狀，然后把物體表示為基本幾何形狀的組合，然后去匹配圖像。這時(shí)候識(shí)別問(wèn)題變成了一個(gè)匹配問(wèn)題。在三維模型庫(kù)中去搜索可能的視角投影，跟待識(shí)別的圖像進(jìn)行匹配。如果找到較合適的匹配，就認(rèn)為是識(shí)別成功了。

但是這么做并不是很有效。首先，很多物體很難用所謂的基本幾何形狀去描述它，特別是一些非剛體，比如動(dòng)物；其次，對(duì)于一類物體，它可能會(huì)有豐富的類內(nèi)差異性，即使是同一個(gè)物體在不同的姿態(tài)下也不一樣，不可能每一種姿態(tài)都預(yù)先創(chuàng)建一個(gè)三維模型模板；第三，即使解決了之前的問(wèn)題，如何才能準(zhǔn)確地從圖像中提取出 這些幾何形狀也存在困難。

物體識(shí)別

物體識(shí)別領(lǐng)域有了較大的發(fā)展。首先圖像特征層面，人們?cè)O(shè)計(jì)了各種各樣的圖像特征，像SIFT，HOG，LBP等等。與此同時(shí)，機(jī)器學(xué)習(xí)方法的發(fā)展也為模式識(shí)別提供了各種強(qiáng)大的分類器。后來(lái)人們還在對(duì)物體建模方面做了一些工作，旨在用更靈活的模型，而不是單一的模板去定義物體。

隨著人工智能、大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)的不斷發(fā)展，以及3D傳感器、深度攝像頭等硬件的不斷升級(jí)，利用深度信息進(jìn)行三維物體識(shí)別的技術(shù)，逐漸受到蘋(píng)果公司等科技大牛和高通等廠商重視，并被植入到硬件產(chǎn)品中。

物體識(shí)別的困難與前景

雖然物體識(shí)別已經(jīng)被廣泛研究了很多年，研究出大量的技術(shù)和算法，物體識(shí)別方法的健壯性、正確性、效率以及范圍得到了很大的提升，但是現(xiàn)在依然存在一些困難以及識(shí)別障礙。這些困難主要有：

獲取數(shù)據(jù)問(wèn)題：

在不同的視角對(duì)同一物體也會(huì)得到不同的圖像，物體所處的場(chǎng)景的背景以及物體會(huì)被遮擋，背景雜物一直是影響物體識(shí)別性能的重要因素，場(chǎng)景中的諸多因素，如光源、表面顏色、攝像機(jī)等也會(huì)影響到圖像的像素灰度，要確定各種因素對(duì)像素灰度的作用大小是很困難的，這些使得圖像本身在很多時(shí)候并不能提供足夠的信息來(lái)恢復(fù)景物。